numpy 就可以。anaconda 的 numpy 有 MKL 加速。比如身高，data->(10, 5, 50, 2) 型的数组-> 10 所学校，每个学校 5 个班级，等量男女各 50 人两组身高，只要 np.mean(data, axis=(0,1)) 就是按学校和班级做平均。你还需要什么统计量 numpy 都有现成函数。

SolidsPy，没啥意外应该足够了。看需求和“期望导师出的题目”难道是本科生考研？

推的公式有一天能进教科书

def nextNum():
....i = 0
....while True:
........inv = int(str(i)[::-1])
........if i != inv and ((i+inv) % (i-inv) ==0):
............yield i
........i += 1

for i, num in enumerate(nextNum()):
....if i == n: # stop at nth
........break
....print(num)

1. 推荐你看看哈密顿力学。
2. 三体问题我记得 Sundman 几乎 100 年前就证明过非零角动量初始条件下都存在级数解，算是解析解的开端了。Qiudong Wang 之后还有一个关于一般 n-body 的讨论，这方面目前算是在 negligible initial sets (一些特定质量比、碰撞形式等） 上无效以外都有级数解。有兴趣可以去看看。
3. 如果讨论数值解，那么庞加莱早就使用相空间发讨论过，混沌体系，数值解追求“精确”的代价非常大。

np.all(np.less_equal(np.einsum('ij,...j->...i', hull.equations[:,:-1], <array(N_points, N_dimension)>) + hull.equations.T[-1], 0), axis=-1)，可以做批量判断，numpy 的处理比 for 循环快很多。

我弄错了一个地方……sorry，应该是 np.all(hull.equations[:,:-1].dot(p) + hull.equations.T[-1] < 0)

The convex hull of a point set P is the smallest convex set that contains P. If P is finite, the convex hull defines a matrix A and a vector b such that for all x in P, Ax+b <= [0,...].

Qhull 的文档，我给搞成等于 0 了。

不是数据坐标的话，就用像素坐标

1. 获取区域 pointcloud 的坐标，这个想办法，或者找现成工具例如 datathief;
2. 用 scipy 的 convex hull 模块生成 hull = convexhull(pointcloud)；
3. 判断使用 point_in_hull = np.allclose([p.dot(_[:-1]) for _ in hull.equations],0)

如果不是用 Point cloud 表示一个奇怪的形状，而是有方程描述，直接用方程。尤其对形状有线性方程描述，直接使用上述的 3 就可以了。

同科研萌新，最近在学 Julia，follow 一下你。话说你看的 Fortran 代码到底多烂……Fortran 算是对科研友好的语言了……

想起很久以前论坛回复冷夜那种人的方式：对对对，您说的是，建议您打 12315 举报服务态度并且要求退钱哟~

按你的要求，应该是 45 个而不是 180 个。

n 个元素划分 k 类？
我知道 SageMath 有 SetPartitions(6, [2,2,1,1]).list()，好像还有 OrderedSetPartition，后者才等于楼上提到的 n!/(n_1!n_2!..n_k!)，你需要不考虑顺序的应该是用第一个函数。

np.arange(1,7).reshape(3,2).T

楼主诠释了烧过了的退烧才有意义，比如李嘉诚戴几百块的西铁城，然而人家是相当知名的 PP 收藏家~

自己有的话调试方便。除非你们实验室钱足够，或者管理比较科学，比如每人一台服务器、或者固定多少显卡之类的。P.S. 虽然我不是做机器学习的，但是也用 GPU 进行运算。

c = np.empty((1000,1000,3))
c[...,:]=a
c = np.transpose(c, (2,0,1))

老哥 666，我也是看着馒头和世界杯过来的，还学了几门乐器，咋就没你有才呢，哈哈~

另外，这个简单粗暴的方法更适合在音频上放盲水印，如果视频有音频的话可以考虑。最近有一些基于自相关函数的音频盲水印方法更隐蔽，更 robust，毕竟如果一个音频的自相关函数被破坏的差不多估计也就用不了了。